第1章：战斗数值系统

战斗系统是游戏的核心玩法载体，而战斗数值则是这个系统的灵魂。从最简单的"石头剪刀布"到复杂的MMORPG战斗，背后都有一套精密的数学模型在支撑。本章将深入探讨战斗数值系统的设计原理，从基础伤害公式到概率机制，从属性体系到技能平衡，帮助你建立完整的战斗数值设计方法论。

学习目标

完成本章学习后，你将能够：

1. 设计并评估不同类型的伤害公式，理解加法与乘法模型的优劣
2. 构建平衡的属性体系和克制关系，创造深度战斗策略
3. 合理运用概率机制增加战斗的随机性和趣味性
4. 设计技能系统和资源循环，控制战斗节奏
5. 识别并避免常见的数值设计陷阱

1.1 基础伤害公式设计

1.1.1 加法模型 vs 乘法模型

伤害计算是战斗系统的基石。最基础的伤害公式可以表示为：

$$\text{Damage} = f(\text{ATK}, \text{DEF})$$ 其中，$f$是我们需要设计的函数。两种最常见的模型是：

加法模型（减法模型）： $$\text{Damage} = \text{ATK} - \text{DEF}$$ 这是最直观的模型，防御力直接减少受到的伤害。这种模型的特点是：

• 防御力的价值是线性的，每点防御力减少1点伤害
• 当防御力接近或超过攻击力时，战斗会变得冗长甚至无法结束
• 适合数值区间较小的游戏，如早期的回合制RPG

为了避免负伤害，通常会加入最小伤害保护： $$\text{Damage} = \max(\text{ATK} - \text{DEF}, \text{MinDamage})$$ 其中$\text{MinDamage}$通常设为1或者$\text{ATK} \times 0.1$。

乘法模型（除法模型）： $$\text{Damage} = \text{ATK} \times \frac{100}{100 + \text{DEF}}$$ 这种模型中，防御力提供百分比减伤。特点包括：

• 防御力的收益递减，符合边际效应递减规律
• 不会出现零伤害的情况（除非ATK=0）
• 更容易控制伤害的上下限
• 适合数值跨度大的游戏

我们可以用ASCII图来展示两种模型的差异：

加法模型的伤害曲线（ATK=100）：
Damage
100 |*
 80 | *
 60 |  *
 40 |   *
 20 |    *
  0 |_____*************___
    0  20  40  60  80  100  120  DEF

乘法模型的伤害曲线（ATK=100）：
Damage
100 |*
 80 | **
 60 |   ***
 40 |      ****
 20 |          *******
  0 |________________*****___
    0   50   100   150   200  DEF

1.1.2 混合模型与高级公式

实际游戏中，往往使用更复杂的混合模型：

《英雄联盟》的护甲公式： $$\text{DamageMultiplier} = \begin{cases} \frac{100}{100 + \text{Armor}} & \text{if Armor} \geq 0 \\ 2 - \frac{100}{100 - \text{Armor}} & \text{if Armor} < 0 \end{cases}$$ 这个公式巧妙地处理了负护甲（护甲穿透）的情况，使其产生递增伤害而非无限伤害。

《魔兽世界》的护甲公式： $$\text{DamageReduction} = \frac{\text{Armor}}{\text{Armor} + K \times \text{AttackerLevel}}$$ 其中$K$是一个常数（通常在400-500之间），这个公式考虑了攻击者等级，使得护甲的效果会随着敌人等级提升而降低。

1.1.3 伤害浮动与随机性

为了避免战斗过于机械，通常会给伤害加入一定的浮动范围： $$\text{FinalDamage} = \text{BaseDamage} \times \text{Random}(0.9, 1.1)$$ 这个±10%的浮动是许多游戏的默认选择，既保证了一定的随机性，又不会让玩家感觉失控。

1.1.4 收益递减的数学实现

收益递减是数值设计中的重要概念，可以避免单一属性的过度堆叠。常用的收益递减函数包括：

对数函数： $$\text{Effect} = a \times \ln(1 + b \times \text{Stat})$$ 双曲线函数： $$\text{Effect} = \frac{a \times \text{Stat}}{b + \text{Stat}}$$ 平方根函数： $$\text{Effect} = a \times \sqrt{\text{Stat}}$$ 这些函数都具有导数递减的特性，即每增加相同的属性点数，获得的收益会越来越少。

1.2 属性体系与克制关系

1.2.1 基础属性设计

一个完整的属性体系通常包含以下几类：

核心属性（Primary Attributes）：

• 生命值（HP）：角色的生存能力
• 攻击力（ATK）：造成伤害的基础
• 防御力（DEF）：减少受到的伤害
• 速度（SPD）：行动顺序或攻击频率

次级属性（Secondary Attributes）： 这些属性通常由核心属性派生或独立存在：

• 暴击率（Crit Rate）：触发暴击的概率
• 暴击伤害（Crit DMG）：暴击时的伤害倍率
• 命中率（Accuracy）：攻击命中的概率
• 闪避率（Evasion）：躲避攻击的概率
• 抗性（Resistance）：减少异常状态的概率或持续时间

属性之间的关系可以用矩阵表示：

属性影响矩阵：
        伤害  生存  节奏  策略
ATK      ◆     ·     ·     ◇
DEF      ·     ◆     ·     ◇
SPD      ◇     ◇     ◆     ◇
CRIT     ◆     ·     ◇     ◆

◆ 强相关  ◇ 中等相关  · 弱相关

1.2.2 属性克制系统

克制系统是创造战斗深度的重要工具。最经典的是"石头剪刀布"模型：

简单克制环：
   火 → 风 → 土 → 水 → 火
   (1.5x伤害)

复杂克制网：
        火   水   风   土   光   暗
火      1.0  0.5  1.5  1.0  1.0  1.0
水      1.5  1.0  0.5  1.0  1.0  1.0  
风      0.5  1.5  1.0  1.0  1.0  1.0
土      1.0  1.0  1.0  1.0  1.0  1.0
光      1.0  1.0  1.0  1.0  1.0  1.5
暗      1.0  1.0  1.0  1.0  1.5  1.0

克制系统的设计原则：

1. 平衡性：每个属性都应有克制和被克制的对象
2. 可记忆性：克制关系应符合直觉或有内在逻辑
3. 战略深度：玩家需要根据敌人属性调整队伍配置
4. 避免绝对优势：不应存在全面优于其他属性的"最强属性"

1.2.3 属性成长曲线

角色属性随等级的成长通常遵循以下模式：

线性成长： $$\text{Stat}_{\text{level}} = \text{Base} + \text{Growth} \times \text{Level}$$ 多项式成长： $$\text{Stat}_{\text{level}} = \text{Base} + a \times \text{Level} + b \times \text{Level}^2$$ 指数成长： $$\text{Stat}_{\text{level}} = \text{Base} \times (1 + \text{GrowthRate})^{\text{Level}}$$ 不同的成长模式会导致不同的游戏体验：

属性成长对比（Level 1-100）：
      Linear  Polynomial  Exponential
L1    100     100         100
L25   600     750         943  
L50   1100    2000        3759
L75   1600    3750        8447
L100  2100    6000        13780

成长差异 = 21x    60x       137x

1.2.4 属性权重与战力评分

战力（Combat Power）是对角色综合实力的量化评估。一个简单的战力公式： $$\text{CP} = w_1 \times \text{ATK} + w_2 \times \text{DEF} + w_3 \times \text{HP} + w_4 \times \text{SPD}$$ 其中权重$w_i$的确定需要考虑：

1. 属性在实际战斗中的重要性
2. 属性的获取难度
3. 属性之间的协同效应

更精确的战力计算会考虑属性的非线性效果： $$\text{CP} = \sqrt{\text{ATK} \times \text{HP}} + \text{DEF} \times 0.8 + \text{CritScore}$$ 其中： $$\text{CritScore} = \text{CritRate} \times (1 + \text{CritDMG})$$

1.3 概率机制设计

1.3.1 暴击系统

暴击是最常见的概率机制，基本公式为： $$\text{ExpectedDamage} = \text{BaseDamage} \times [1 + \text{CritRate} \times (\text{CritMultiplier} - 1)]$$ 例如，50%暴击率和200%暴击伤害的期望伤害为： $$\text{ExpectedDamage} = \text{BaseDamage} \times [1 + 0.5 \times (2 - 1)] = 1.5 \times \text{BaseDamage}$$ 暴击系统的设计要点：

1. 上限设置：通常暴击率上限为100%，暴击伤害上限为300-500%
2. 收益平衡：暴击率和暴击伤害的收益应该平衡
3. 反暴击机制：如韧性、暴击抵抗等

1.3.2 真随机 vs 伪随机

真随机（True Random）： 每次判定都是独立的，符合概率论：

30%暴击率的实际分布：
连续10次不暴击概率 = 0.7^10 = 2.8%
连续5次暴击概率 = 0.3^5 = 0.24%

伪随机（Pseudo Random）： 通过算法调整，使实际结果更接近期望值：

PRD（Pseudo Random Distribution）算法：
初始概率 C = 0.08474（对应30%期望）
每次未触发，下次概率 += C
触发后重置为C

实际触发序列：
次数:  1     2     3     4     5
概率: 8.5%  16.9% 25.4% 33.9% 42.4%

PRD的优点：

• 避免长时间不触发或连续触发
• 玩家体验更稳定
• 仍保持期望值不变

1.3.3 闪避与命中系统

闪避系统通常有两种实现方式：

独立判定： $$\text{HitChance} = \text{Accuracy} - \text{Evasion}$$ 乘法判定： $$\text{HitChance} = \text{Accuracy} \times (1 - \text{Evasion})$$ 两种方式的区别：

例：90%命中 vs 20%闪避
独立判定：命中率 = 90% - 20% = 70%
乘法判定：命中率 = 90% × (1 - 20%) = 72%

1.3.4 概率上的常见误区

赌徒谬误： 玩家常认为"已经5次没暴击了，下次一定会暴击"。实际上在真随机系统中，每次判定都是独立的。

小数定律： 玩家会从少量样本中得出错误结论。比如"我测试了10次，暴击了6次，所以暴击率是60%"（实际可能是30%）。

为了改善玩家体验，可以采用：

1. 保底机制：连续N次未触发后，第N+1次必定触发
2. 概率修正：动态调整概率，使短期内更接近期望值
3. 视觉反馈：用进度条或其他方式暗示下次触发的可能性

1.4 技能系统与资源平衡

1.4.1 技能冷却时间设计

技能冷却（Cooldown, CD）是控制战斗节奏的核心机制。设计原则： $$\text{CD} = \frac{\text{SkillPower}}{\text{DesiredFrequency}} \times \text{BalanceFactor}$$ 技能分类与典型CD：

• 普攻：0-1秒，核心输出手段
• 小技能：3-6秒，战术性技能
• 大技能：8-15秒，关键技能
• 终极技能：30-120秒，扭转战局的技能

CD缩减的计算方式：

加法叠加（容易失衡）： $$\text{FinalCD} = \text{BaseCD} - \text{CDR}_1 - \text{CDR}_2 - ...$$ 乘法叠加（推荐）： $$\text{FinalCD} = \text{BaseCD} \times (1 - \text{CDR}_1) \times (1 - \text{CDR}_2) \times ...$$ 混合模式（更精细的控制）： $$\text{FinalCD} = \text{BaseCD} \times \max(0.4, 1 - \text{TotalCDR})$$ 这确保了CD不会低于原始值的40%。

1.4.2 资源系统设计

资源系统决定了技能的使用策略。常见类型：

法力值（Mana）系统：

• 特点：传统、直观、易平衡
• 回复方式：自然回复、道具回复、技能回复

• 适用：回合制、MMORPG $$\text{ManaRegen} = \text{Base} + \text{Level} \times 2 + \text{Spirit} \times 0.5$$ 能量（Energy）系统：

• 特点：快速回复、上限较低、鼓励连续作战

• 回复方式：每秒固定回复

• 适用：动作游戏、快节奏战斗 $$\text{EnergyRegen} = 10 + \text{AttackSpeed} \times 2 \text{ per second}$$ 怒气（Rage）系统：

• 特点：战斗中积累、非战斗衰减

• 积累方式：造成伤害、受到伤害

• 适用：强调进攻的职业 $$\text{RageGain} = \frac{\text{Damage} \times 10}{\text{MaxHP}} + \text{BonusRage}$$ 连击点（Combo Points）系统：

• 特点：先积累后消耗、强调连招

• 积累方式：特定技能产生
• 适用：刺客、格斗游戏

连击系统流程：
建立(Builder) → 积累点数 → 终结(Finisher) → 消耗点数
     ↑                                    ↓
     ←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←

1.4.3 技能伤害系数

技能伤害通常基于角色属性和技能系数： $$\text{SkillDamage} = \text{ATK} \times \text{SkillRatio} + \text{FlatBonus}$$ 系数设计原则：

1. 风险收益平衡：高风险技能应有更高系数
2. 资源消耗对等：消耗越多，系数越高
3. 冷却时间补偿：CD越长，系数越高

典型的系数配置：

技能类型    CD(秒)  消耗  系数   DPS贡献
普攻        0       0     100%   100%
速攻技能    3       20    200%   67%
强力技能    8       50    400%   50%
终极技能    60      100   1000%  17%

1.4.4 连击与Combo系统

Combo系统增加战斗的技巧性和观赏性：

时间窗口型： 在规定时间内连续使用技能获得加成： $$\text{ComboDamage} = \text{BaseDamage} \times (1 + 0.1 \times \text{ComboCount})$$ 条件触发型： 特定技能序列触发额外效果：

A技能 → B技能 = 普通效果
A技能 → A技能 → B技能 = 触发眩晕
A技能 → C技能 → B技能 = 额外50%伤害

积分累积型： 根据Combo数获得积分，积分可兑换强化效果： $$\text{ComboScore} = \sum_{i=1}^{n} i \times \text{HitDamage}_i$$

1.5 案例分析

1.5.1 街霸系列的帧数据系统

街头霸王将战斗数值精确到帧（1/60秒），创造了独特的数值体系：

帧数据三要素：

• 启动帧（Startup）：技能从输入到产生攻击判定的时间
• 持续帧（Active）：攻击判定存在的时间
• 恢复帧（Recovery）：攻击判定结束到角色恢复正常状态的时间

帧优势（Frame Advantage）： $$\text{Advantage} = \text{OpponentBlockstun} - \text{Recovery}$$ 当优势为正时，攻击方可以先行动；为负时，防守方反击。

隆的站立中拳帧数据：
启动: 5帧
持续: 3帧  
恢复: 7帧
总计: 15帧

防御硬直: 12帧
命中硬直: 15帧

防御优势: +5帧（12-7）
命中优势: +8帧（15-7）

这个系统的精妙之处：

1. 确定性：所有数据都是确定的，高手可以精确计算
2. 深度：简单的数字背后有复杂的攻防博弈
3. 平衡性：通过微调帧数据就能显著改变角色强度

1.5.2 魔兽世界的DPS计算模型

魔兽世界建立了MMORPG的DPS（Damage Per Second）标准：

基础DPS公式： $$\text{DPS} = \frac{\text{WeaponDamage} + \text{AP} \times \text{APRatio}}{\text{AttackSpeed}}$$ 其中：

• WeaponDamage：武器基础伤害
• AP（Attack Power）：攻击强度
• APRatio：攻击强度转换系数（通常是14）
• AttackSpeed：攻击速度

技能循环DPS： 考虑技能循环的实际DPS计算更复杂： $$\text{RotationDPS} = \frac{\sum_{i} \text{Damage}_i \times \text{Count}_i}{\text{RotationTime}}$$ 一个典型的循环示例：

时间轴（10秒循环）：
0s: 瞄准射击 (3s施法, 500%武器伤害)
3s: 奇美拉射击 (瞬发, 300%武器伤害)  
4s: 稳固射击 (1.5s施法, 150%武器伤害)
5.5s: 稳固射击 (1.5s施法, 150%武器伤害)
7s: 奇美拉射击 (瞬发, 300%武器伤害)
8s: 稳固射击 (1.5s施法, 150%武器伤害)
9.5s: 自动射击 (100%武器伤害)

总输出: 1650%武器伤害
DPS = 1650% / 10s = 165%武器伤害/秒

属性权重（Stat Weights）： 不同属性对DPS的贡献： $$\text{DPS}_{\text{new}} = \text{DPS}_{\text{base}} + \sum_{i} \text{StatValue}_i \times \text{Weight}_i$$ 典型的权重表：

属性        权重(DPS/点)   优先级
攻击强度    0.5           高
暴击率      15.2          最高  
急速        8.7           中
精通        6.3           低

这些权重会随着角色属性变化而改变，形成动态的优化目标。

本章小结

战斗数值系统是游戏的核心，本章我们学习了：

1. 伤害公式设计：加法模型简单直观但容易失衡，乘法模型提供更好的收益递减。混合模型可以结合两者优点。

2. 属性体系：合理的属性设计需要考虑相互关系、成长曲线和克制系统。属性权重决定了角色的养成方向。

3. 概率机制：暴击、闪避等概率机制增加随机性，但需要通过伪随机等技术改善玩家体验。

4. 技能与资源：冷却时间、资源消耗和技能系数共同决定战斗节奏。不同的资源系统适合不同类型的游戏。

5. 实战案例：街霸的帧数据系统展示了精确控制的艺术，魔兽世界的DPS模型则代表了复杂系统的标准化。

关键公式汇总：

• 乘法减伤：$\text{Damage} = \text{ATK} \times \frac{100}{100 + \text{DEF}}$
• 期望伤害：$\text{E[Damage]} = \text{Base} \times [1 + \text{CritRate} \times (\text{CritDMG} - 1)]$
• CD缩减：$\text{FinalCD} = \text{BaseCD} \times (1 - \text{CDR})$
• DPS计算：$\text{DPS} = \frac{\text{TotalDamage}}{\text{Time}}$

练习题

基础题（帮助熟悉材料）

题目1：伤害公式对比 给定攻击力1000，分别计算在加法模型和乘法模型下，防御力为0、500、1000、2000时的伤害值。哪种模型在高防御时仍能保证有效输出？

提示：考虑加法模型需要设置最小伤害。

题目2：暴击期望值 角色基础攻击力为1000，有两种装备选择：

• 装备A：+200攻击力
• 装备B：+20%暴击率（当前暴击率30%，暴击伤害200%）

哪种装备提供更高的期望伤害？

提示：使用期望伤害公式计算。

题目3：技能CD与DPS 某技能基础CD为10秒，伤害系数500%。角色有30% CD缩减，计算：

1. 实际CD是多少？
2. 如果普攻DPS是100，该技能对总DPS的贡献是多少？

提示：技能DPS = 技能伤害 / 实际CD

题目4：属性权重计算 某角色当前属性：ATK=1000，暴击率=30%，暴击伤害=200%。 计算增加以下属性对DPS的提升：

• +100 ATK
• +10% 暴击率

提示：分别计算提升前后的期望伤害。

挑战题（深度思考与实践）

题目5：设计伤害公式 为一款MOBA游戏设计伤害公式，要求：

1. 护甲提供20%-80%的减伤区间
2. 支持负护甲（护甲穿透）
3. 保证数值平滑，没有突变点

请给出公式并画出护甲-减伤曲线（-100到500护甲）。

提示：可以参考英雄联盟的护甲公式，考虑分段函数。

题目6：概率系统优化 游戏中有一个30%触发率的被动技能，玩家抱怨"经常10次都不触发"。请设计一个伪随机系统，要求：

1. 长期期望仍是30%
2. 最多连续7次不触发
3. 给出具体的概率递增方案

提示：使用PRD算法，需要计算初始概率C。

题目7：战斗节奏设计 设计一个3技能循环，要求：

1. 循环时间10秒
2. 包含一个生成技能（产生3个资源）、一个消耗技能（消耗3个资源，高伤害）、一个填充技能
3. 资源不能溢出（上限5）
4. 最大化DPS

给出具体的技能序列和时间轴。

提示：考虑技能CD和资源生成/消耗的平衡。

题目8：平衡性问题诊断 某游戏中战士职业胜率只有42%，数据显示：

• 平均输出伤害：其他职业的85%
• 平均承受伤害：其他职业的60%
• 平均存活时间：其他职业的140%
• 技能使用频率：其他职业的70%

请分析问题所在并提出3个具体的数值调整方案。

提示：考虑职业定位和实际表现的差距。

常见陷阱与错误（Gotchas）

1. 伤害溢出问题

问题描述：攻击力过度超过防御力上限，导致防御属性失去意义。

典型场景：

• 后期玩家攻击力10000+，怪物防御力上限2000
• PVP中输出装玩家秒杀防御装玩家

解决方案：

1. 使用百分比减伤而非固定减伤
2. 设置伤害减免上限（如最高减免80%）
3. 引入穿透上限机制
4. 采用对数或平方根函数缓解数值膨胀

2. 属性稀释陷阱

问题描述：同类属性叠加导致边际收益急剧下降，玩家被迫平均发展。

典型场景：

• 暴击率从80%提升到90%，实际提升远小于从20%到30%
• 防御力达到某个阈值后几乎无用

解决方案：

1. 设置软上限而非硬上限
2. 不同属性采用不同的收益曲线
3. 增加属性间的协同效应
4. 提供多维度的成长路径

3. 概率欺骗感知

问题描述：真实概率与玩家感知严重偏离，导致负面体验。

典型场景：

• "明明50%概率，为什么连续5次都失败？"
• "这个10%闪避为什么老是触发？"

解决方案：

1. 对玩家有利的概率采用真随机
2. 对玩家不利的概率采用伪随机
3. 显示概率时适当"说谎"（显示28%，实际30%）
4. 添加保底机制

4. 技能真空期

问题描述：所有技能都在CD中，玩家只能普攻，体验糟糕。

典型场景：

• 释放完一套技能后等待5-10秒
• 资源耗尽后的无力期

解决方案：

1. 错开技能CD设计
2. 提供低CD填充技能
3. 普攻也要有一定趣味性
4. 资源回复机制要平滑

5. 极端Build问题

问题描述：某些极端配装打破平衡，如纯输出秒人或纯防御不死。

典型场景：

• 全暴击装备100%暴击率
• 全防御装备99%减伤

解决方案：

1. 关键属性设置递减收益
2. 强制属性多样化（如装备提供多种属性）
3. 引入克制机制
4. PVP和PVE分离平衡

6. 数值可读性

问题描述：数值过大或过小，玩家难以理解和比较。

典型场景：

• 伤害数字：1,234,567
• 概率显示：0.003729%

解决方案：

1. 使用K、M、B等单位简化
2. 百分比保留1-2位小数
3. 用图形化展示代替纯数字
4. 相对值比绝对值更直观

调试技巧

1. 建立数值模拟器：用Excel或Python搭建战斗模拟，快速验证公式

2. 对数坐标图：发现指数增长等问题

3. 敏感度分析：测试数值变化1%、5%、10%时的影响

4. 极限测试：输入0、负数、极大值，检查公式鲁棒性

5. 玩家路径模拟：模拟玩家1-100级的完整成长曲线

6. A/B测试：小范围测试数值改动的实际效果

记住：数值设计是迭代过程，没有完美的公式，只有适合的方案。保持数据驱动，倾听玩家反馈，持续优化。